Как искусственный интеллект скажется на развитии медицины, образования и социальных наук?

ИИ уже успешно сдает медицинские экзамены и решает геометрические задачи олимпиадного уровня, не говоря уже о более простых задачах. Как широкое использование ИИ инструментов повлияет на развитие индустрий? Представляю результаты большого исследования Microsoft New Future of Work Report по этому вопросу.

Недавние данные свидетельствуют о значительных возможностях языковых моделях в образовании.

С одной стороны, есть опасение, что ИИ инструменты могут действовать как «стероиды», когда студенты используют их в качестве заменителя учебы или выполнения задач. С другой стороны, есть надежда, что ИИ вместо этого будет выступать в роли «тренера», предоставляя индивидуальное и недорогое обучение широкому кругу студентов. Это также могло бы расширить доступ к образованию и предоставить учащимся, без доступа к персонализированныму образованию.

Производительность повышается еще больше при использовании новых стратегий подсказок.

Офис главного научного директора Microsoft (OCSO) совместно с OpenAI протестировал эффективность GPT-4 на медицинском экзамене USMLE для медицинской практики в США. GPT-4 достиг точности в 80% (на 20 баллов выше, чем средний балл человека) без какой-либо дополнительной настройки или продвинутых методов подсказок. Это сравнимо с результатом специализированной модели Google Med-PaLM2, несмотря на то, что последняя модель была значительно доработана. Включение специализированных подсказок повысило производительность GPT-4 до 90%, что намного превосходит Med-PaLM2.

Модель также демонстрирует впечатляющие возможности объяснять медицинские концепции, персонализировать объяснения студентам и в интерактивном режиме создавать новые сценарии вокруг медицинского случая.

LLM могут быстро анализировать данные и генерировать синтетические данные (для проверки гипотез перед экспериментами на людях) для ускорения развития науки.

Инструменты создания кода на базе ИИ все еще находятся в зачаточном состоянии, и как лабораторные исследования, так и отчеты об опыте показывают различные уровни помощи, часто в зависимости от задачи и уровня навыков разработчика.

Добавлю от себя: кажется, это не совсем так уже. Недавно появилась информация о модели, которая генерирует код без человека. Человек играет роль код ревьюера - как и в случае с "человеческим" кодом. И CEO Nvidia придерживается того же мнения: он полагает, что детей можно уже не учить программированию, так как за написание кода будет отвечать АИ и в будущем все будут программировать промптингом.

Инструменты на основе LLM, такие как Github Copilot, могут генерировать код из подсказок на естественном языке и фрагментов кода, выходя за рамки традиционного автозаполнения, управляемого синтаксисом.

Эти новые инструменты отличаются от компиляции, парного программирования и поиска/повторного использования, демонстрируя различные модели взаимодействия. Согласно исследованию, те, кто использовал Github CoPilot, создали код на JavaScript на 56% быстрее.

Хотя некоторые исследования не выявили влияния помощи ИИ в программировании на скорость и правильность решения, разработчики, тем не менее, положительно оценили возможности помощи ИИ в программировании.

Серия отчетов Microsoft New Future of Work Report о новом будущем работы появилась в 2021 году, в разгар COVID и перехода на удаленную работу. Второй отчет, опубликованный по итогам 2022 года, был посвящен гибридной работе. Третий в серии отчет за 2023 год сосредоточен на исследованиях, связанных с интеграцией ИИ в нашу работу.

Другие инсайты из исследования Microsoft The New Future of Work Report:

Как использование искусственного интеллекта влияет на нашу продуктивность?

Как искусственный интеллект поможет лучше работать и общаться

Искусственный интеллект может развивать наши способности

Искусственный интеллект и управление знаниями в компании

#иибудущее #ии #microsoft #прогноз #прогнозы #изменения #образование #медицинабудущего #медицина #будущееии